Filetype PDF | Posted on 14 Sep 2022 | 3 years ago
Authentication
digital resources
150x Filetype PDF File size 0.28 MB Source: media.neliti.com
Penerapan Logika Fuzzy dan Pulse Width Modulation untuk Sistem
Kendali Kecepatan Robot Line Follower
Applying Fuzzy Logic and Pulse Width Modulation for Speed Control
System of Line Follower Robot
Ahyar Supani, Azwardi
Teknik Komputer Politeknik Negeri Sriwijaya,
Jalan Srijaya Negara Bukit Besar Palembang Sumatera Selatan
Email: ahyarsupani@polsri.ac.id
________________________________________________________________________________
Absract
One obstacle faced by line follower robot (LF) is a drived-motor speed control when it turns to right/left following a
sharp turn, a medium turn, a less turn and no line. The obstacle is robot LF that always drive a left or right wheel with
maximum speed. This obstacle is overcome by applying a fuzzy logic computing values of on/off motor while turning.
0 0
And then applying the PWM is to set time of on/off motor. The experiment with angles of 90 and 45 resulted a
maximum wheel speed of robot and the other got two speeds; 14,5 % and 43,1 % of the maximum. The experiment with
0
angle of 10 resulted a maximum robot wheel speed and the other is 43,1 % of maximum.
Keywords : fuzzy, pulse width modulation, robot wheel speed
Abstrak
Satu kendala robot line follower (LF) yaitu kendali kecepatan putaran saat belok mengikuti garis belok tajam, belok
sedang, belok sedikit, dan tidak ada garis. Kendala tersebut adalah robot LF selalu menggerakkan satu roda saja kiri
atau kanan dengan kecepatan maksimum. Kendala ini diatasi dengan menerapkan logika fuzzy untuk mengkomputasi
nilai on/off motor saat belokan garis tajam, belokan sedang, dan sedikit. Selanjutnya penerapan Pulse Width Modulation
0 0
untuk mengatur sinyal lamanya waktu on/off motor. Pengujian dengan sudut 90 dan 45 menghasilkan satu roda
0
kecepatan maksimum, satu roda lagi mengalami dua kecepatan 14,5 % dan 43,1 % dari maksimum. Pengujian sudut 10
satu roda kecepatan maksimum dan satu roda 43,1% dari maksimum.
Kata kunci : fuzzy, pulse width modulation, kecepatan roda robot
________________________________________________________________________________
1. Pendahuluan diterapkan untuk menyusun spesifikasi mobile
robot berdasarkan kebutuhan rancangan kendali
Perkembangan teknologi robot dewasa ini banyak navigasi Kontes Robot Cerdas Indonesia 2006
membantu pekerjaan manusia seperti yang dipakai lintasannya dalam ruangan, navigasinya
di industri sebagai lengan robot (robot arm), berdasarkan jarak dan kompas, ada juga penelitian
namun ada juga robot yang dikembangkan dalam menerapkan logika fuzzy untuk rancangan
kontes robot misalnya robot seni, robot sepakbola, kontroler untuk robot bergerak yang dibangun oleh
robot penghindar tabrakan sekaligus pencari dan Shukla dan Tiwari [4] yang dikembangkan adalah
pemadam api. Dalam perkembangannya, robot hubungan matematika dan geometri antara
semakin kian banyak diteliti di perguruan tinggi koordinat 3 dimensi dan 2 dimensi, untuk
untuk meningkatkan kepintaran (smart) robot [1], peningkatan kepintaran robot bergerak dilakukan
penelitian memformulasikan lintasan robot oleh Supani [5] dengan navigasi gerak robot
berdasarkan metode formal Logic Temporal Linier berdasarkan jarak penghalang dengan robot
(LTL) oleh Irvan Lewenusa, Wisnu Ananta tersebut. Pengembangan kendali pintar robot
Kusuma [2] dan penelitian Widiyanto [3] LTL lengan juga telah dikembangkan oleh Bachir
_______________ Ouamri dan Zubir Ahmed [6] yang menyajikan
kendali lengan robot Puma 600 menggunakan
Received: 30 Januari 2015; Revised: 14 Februari 2015; Adaptive Neuro Fuzzy Inference System (ANFIS)
Accepted: 15 April 2015 ; Published online: 10 Juli 2015 yang berbasiskan Controller Torsi
©2015 INKOM 2015/15-NO405 Terkomputerisasi. Penerapan controller fuzzy pada
INKOM, Vol. 9, No. 1, Mei 2015: 1-10
motor DC mesin pembuat gerabah di Desa Nguri
Sensor_1 Vcc=5V comparator_1
Kecamatan Lambeyan Kabupaten Magetan untuk
mengatur putaran 100 rpm – 250 rpm motor oleh R3=100
R1=330 R2=10k
Resmana et al, [7], dan juga pengaturan motor
Photo 2 4
IR_LED_1 dioda 1 LED_1
induksi lebih cepat dan halus [8] dan Vin1
katoda Trimpot
1 Vo1
pengembangan lanjut oleh Andriansyah [9] 20k Vref. 3 11
perancangan robot bergerak berbasis perilaku
mahluk hidup menggunakan Particle Swarm Fuzzy Sensor_2 Vcc=5V comparator_2
Controller. Vcc
R6=100
R4=330 R5=10kΩ
Pada tulisan ini, pengembangan robot LF terus GND
IR_LED_2 Photo 6 4 LED_2
ditingkatkan kepintarannya, karena kelemahan dioda 2 Vin2
7 Vo2 P1.0
robot LF selama ini adalah tidak ada kendali Vref. 5 11
kecepatan gerak kedua motor ketika belok dan P1.1
Sensor_3 Vcc=5V comparator_3
hanya satu roda saja yang bergerak baik belok P1.2
tajam, sedang, sedikit. Pada tulisan ini telah P1.3
R9=100
menerapkan logika fuzzy untuk komputasi R7=330 R8=10k
socket
IR_LED_3 Photo 9 4 LED_3
masukan dari lintasan yang menghasilkan nilai dioda 3 Vin3
10 8 Vo3
kontrol on/off motor, dimana masukan dibagi Vref. 11
menjadi beberapa kelompok yaitu “belok kanan IC op_amp 324
tajam”, “belok kanan sedang”, “belok kanan Sensor_4 Vcc=5V comparator_4
sedikit”, “lurus”, “belok kiri tajam”, “belok kiri
R12=100
sedang”, “ belok kiri sedikit”, “cari garis”. R10=330 R11=10k
Kemudian Pulse Width Modulation (PWM) IR_LED_4 Photo 13 4 LED_4
dioda 4 Vin4
mengatur lamanya suplai tegangan motor roda 12 14 Vo4
Vref. 11
robot LF saat belok dan lurus. Luaran selanjutnya
mengamati gerak putar roda robot saat belok. Gambar 2. Empat pasang sensor masukan
Dalam tulisan ini, mikrokontroller yang telah
digunakan adalah AT89S52 sebagai mesin robot Pada Gambar 2 rangkaian sensor dan
LF dan compiler C [10]. Sedangkan sensor garis komparator terdiri atas empat sensor dan empat
masukan yang digunakan adalah Infra_Red Led komparator. Sensor memiliki komponen IR_LED
dan photo dioda, untuk pengatur penggerak robot (infra red) dan photo dioda, dimana fungsi
LF menggunakan L293D yang dihubungkan ke IR_LED memancarkan sinar yang memiliki sinyal
motor. dan photo dioda berfungsi menerima sinar. Prinsip
kedua komponen ini diterapkan pada robot
2. Sistem robot LF pengikut garis (line follower), robot akan
mengikuti garis yang diberi warna hitam. Warna
Rancangan diagram blok robot LF telah hitam ini akan menyerap cahaya, bila garis
digambarkan pada Gambar 1, robot LF terdiri atas berbelok maka salah satu sensor tidak mengenai
tiga bagian yaitu masukan (input), proses dan garis mengakibatkan sensor tersebut menerima
keluaran (output). cahaya pada photo dioda dan diteruskan ke
Masukan berupa sensor garis yang masukan sistem robot line follower. Sistem robot
menggunakan infrared dan photo diode yang line follower ditanamkan pada mikrokontroller
terdiri atas 4 pasang sensor. (embedded system) yang akan mengatur putaran
gerak motor kiri dan kanan.
Input Proses output
Rangkaian sensor, jika dihalangi maka photo
Penggerak Roda dioda tidak mendapatkan cahaya sehingga titik
Proses Algoritma : - Roda kiri gerak searah jarum jam
- Belok, lurus, cari garis - Roda kanan gerak searah jarum jam katoda photo dioda bertegangan 5 V atau logika 1
Sensor Garis - Logika Fuzzy - kedua roda gerak searah jarum jam pada Gambar 2 sebaliknya tegangan 0 V jika tidak
- PWM - cari garis berputar 180°
Sistem Minimum - roda berputar cepat, sedang, lambat dihalangi. Logika 1 ini diteruskan pada masukan
Mikrokontroler
L293D komparator inverting dan dibandingkan dengan
Gambar 1. Diagram blok robot LF tegangan referensi Vref yang tak membalik.
Masukan komparator terhubung langsung
Empat masukan sensor digambarkan pada dengan katoda photo dioda, perubahan logika
Gambar 2. tinggi dan rendah pada katoda photo dioda
dibandingkan oleh komparator dengan tegangan
referensi trimpot Vref. Adapun persamaan
2 • INKOM, Vol. 9, No. 1, Mei 2015: 1-10
perbandingan sebagai berikut. Kita ambil contoh untuk menggunakan memori internal sebaliknya
sensor 1 dan komparator 1 pada Gambar 2. jika dihubungkan ke ground (GND) maka
Kondisi Vin1 logika 1 (tinggi), maka mikrokontroller menggunakan memori eksternal
Vin1 > Vref., maka Vo1 berlogika 1 (tinggi) dari alamat 0000h sampai dengan FFFFh.
Kondisi Vin1 logika 0 (rendah), maka Driver yang dipakai pada robot LF ini pada
Vin1 < Vref, maka Vo1 berlogika 0 (rendah) Gambar 3 yang bergabung dengan sistem
Kondisi Vin1 = Vref, maka Vo1 berlogika 0 minimum menggunakan tipe IC L293D, yang
(rendah) memiliki 16 pin, sebenarnya driver-motor ada dua
Bagian proses adalah untuk memproses tipe IC yaitu L293D dengan 16 pin dan L293DD
algoritma gerak robot LF dengan menerapkan dengan 20 pin. Untuk menyederhanakan
logika Fuzzy dan PWM. Logika fuzzy dan PWM pemakaian sebagaimana dua bridge yang masing-
ditanamkan di mikrokontroler yang berupa masing pasangan chanel dilengkapi sebuah input
perintah program. Bagian proses ini adalah enable. Sebuah input supply terpisah yang
perangkat keras yang berupa sistem minimum disediakan untuk logik, yang memperbolehkan
mikrokontroler dimana mikrokontroler yang operasi pada tegangan rendah dan termasuk dioda
digunakan adalah AT89S52, maka sistem clamp internal. Perangkat ini cocok untuk
minimumnya adalah AT89S52 seperti Gambar 3. pemakaian aplikasi pensaklaran pada frekuensi 5 k
Saklar ON Hz.
Baterai (+)
1000μF Tabel 1 adalah tabel kebenaran L293D yang
KE SENSOR DAN KOMPARATOR LM324
7805 7805 7812
PIN PIN PIN PIN
socket 14 8 7 1 GND Vcc merupakan panduan untuk menggerakkan motor.
P1.3 P1.2 P1.1 P1.0
Vcc 5 V
1 40 Tabel 1. Tabel kebenaran drive-motor L293D
Saklar 39
reset 2 100 Ω
3 38 Enable 1=pin 1, enable 2= pin9
4 37
10μF 5 36
MOSI 35
oader 6 aksi motor
MISO 34
7
SCK 33 in1 in2 in3 in4
8
RST 9 32 kanan kiri
Vcc 10 S5231
DB25 untuk downl AT89
GND 11 30 1 0 0 1 cw cw
12 29
10KΩ SOCKET 13 28 1 16
HEADER
14 27 2 15 0 0 0 1 off cw
15 26 3 D 14
16 25 4 13
L293
17 24 5 12 1 0 0 0 cw off
33pF 18 23 6 11
19 22 7 10
XTAL 0 0 0 0 off off
12 MHz 20 21 8 9
33pF 0 1 1 0 ucw ucw
1 0 1 0 cw ucw
Suplai tegangan motor Motor kanan 0 1 0 1 ucw cw
(4,5 V s/d 36 V) Motor kiri
M M keterangan: cw:clockwise, ucw:unclockwise, off:motor
1pF
1pF 1pF
1pF tidak bergerak
Gambar 3. Sistem minimum AT89S52, driver-motor 3. Algoritma logika fuzzy untuk robot LF
IC AT89S52 pada Gambar 3 mempunyai empat Lofti Zadeh mengembangkan logika fuzzy pada
buah port yang dapat digunakan sebagai masukan tahun 1964, dasar pemikirannya adalah tidak ada
dan keluaran. Sebelum menggunakan IC keadaan yang hanya selalu bernilai “benar” dan
Mikrokontroler AT89S52 ini langkah yang harus “salah” atau “on” dan “off”, tetapi ada gradasi nilai
dipersiapkan adalah membuat rangkaian sistem diantara dua nilai ekstrim tersebut. Dengan
minimum AT89S52 yang terdiri atas memperhatikan kenyataan ini, kita memerlukan
mikrokontroller dan osilator, osilator dirangkai penggeseran skala variabel yang dapat diukur
dengan menggunakan kristal (XTAL) 12 MHz dan sebagai bagian dari “on” dan sebagian dari “off”
dua kapasitor yang masing-masing 30pF. Sistem atau sebagian besar “benar” dan sebagian “salah”.
minimum ini berguna untuk menanamkan Teori himpunan klasik berdasarkan pada logika
kepintaran robot dalam algoritma Fuzzy dan PWM ekstrem yang menetapkan objek sebagai anggota
yang diilustrasikan dalam program (source code). atau bukan anggota himpunan. Sebaliknya, pada
Pada Gambar 3 sistem minimumnya adalah logika fuzzy, suatu objek dapat menjadi anggota
hilangkan IC driver L293D dan motor DC, pada banyak himpunan dengan derajat
rangkaian reset boleh ada atau tidak. Setelah keanggotaan berbeda-beda pada masing-masing
mendapatkan sebuah rangkaian sistem minimum himpunan. Derajat keanggotaan pada suatu
yang lengkap, sistem minimum AT89S52 ini akan himpunan didasarkan pada skala 0 sampai dengan
dioperasikan sebagai input sekaligus sebagai 1 dan menetapkan 1 sebagai keanggotaan lengkap
output pada keseluruhan rangkaian mikrokontroler dan 0 sebagai tidak ada keanggotaan.
̅̅̅̅
AT89S52. Pin 31 ( /Vpp) dihubungkan ke Vcc
Penerapan Logika Fuzzy dan Pulse Width Modulation untuk Sistem Kendali … : Ahyar Supani, Azwardi • 3
Pelopor aplikasi logika fuzzy dalam bidang Setelah masukan dan keluaran
kontrol, yang merupakan aplikasi pertama dan didekomposisikan ke dalam himpunan fuzzy, kita
utama dari logika fuzzy adalah Prof. Ebrahim memerlukan basis aturan yang mengatur tingkah
Mamdani dkk dari Queen Mary College London. laku sistem tiap kombinasi masukan. Masing-
Penerapan kontrol logika fuzzy secara nyata di masing aturan terdiri atas satu kondisi dan satu
industri banyak dipelopor para ahli dari jepang, tindakan. Kondisi diintepretasikan dari masukkan
misalnya Prof. Sugeno dari Tokyo Institute of himpunan fuzzy dan tindakan ditentukan oleh
Technology. Aplikasi logika fuzzy hampir tak keluaran himpunan fuzzy. Suatu himpunan aturan
terbatas, misalnya untuk kontrol proses, proses yang mempresentasikan semua kombinasi
produksi, robotika, manajemen skala besar, teknik masukkan bisa di-set up dalam suatu matriks yang
sipil, kimia, transportasi, kedokteran maupun disebut Fuzzy Associative Memory (FAM) atau
ekonomi. Pengaturan (control) sistem non linier system fuzzy berbasis aturan.
yang mengandung sejumlah informasi padat Aturan suatu sistem logika fuzzy sesungguhnya
memerlukan pengintegrasian sistem secara cepat disusun sebagai suatu aturan yang mewakili
dan dapat diterapkan dengan menggunakan logika pengetahuan sistem tersebut. Agar dapat
fuzzy. Suatu keluaran dihitung berdasarkan nilai menyatakan pengetahuan, pengaturan berbasis
keanggotaan yang diberikan oleh masukkan fuzzy logic menggunakan variabel linguistik dalam
sesudah dikonfigurasikan dalam kumpulan aturan menuliskan aturan yang diperlukan. Pada
fuzzy. Sebelum menjadi keluaran sistem, sistem kecerdasan buatan, ada berbagai cara untuk
memerlukan tiga transformasi untuk masukan mempresentasikan pengetahuan. Bentuk dari
sistem Gambar 4. Switch-case merupakan pernyataan yang
dirancangan khusus untuk menangani pengambilan
keputusan yang melibatkan sejumlah atau banyak
masukan fuzzifikasi kumpulan aturan defuzzifikasi keluaran
dasar fuzzy alternatif penyelesaian. Pernyataan switch-case ini
memiliki kegunaan sama seperti if–else bertingkat,
Gambar 4. Sistem himpunan fuzzy
meskipun Switch didesain untuk mengganti If-Else,
Fuzzifikasi adalah proses dekomposisi suatu akan tetapi Switch memiliki batasan:
masukan dan atau keluaran sistem kedalam satu 1. Data yang diperiksa haruslah bertipe Integer (int)
atau lebih himpunan fuzzy. Fungsi keanggotaan atau Karakter (char).
yang dapat digunakan berbentuk macam-macam 2. Range data yang diperiksa bernilai 0 s/d 255.
jenis kurva, tetapi bentuk segitiga pada Gambar 5
berikut adalah bentuk paling umum yang Bentuk penulisan perintah ini sebagai berikut :
digunakan untuk sistem pengaturan.
Switch (value)
{
case constanta 1// akan dicocokkan
dengan isi value: statement 1;
//pernyataan yang akan di kerjakan
jika value cocok dengan salah satu
(a) (b) (c) data dari constanta break; //perintah
Gambar 5. Himpunan fuzzy untuk mengakhiri statement....etc
default : statement x;// bersifat
Gambar 5 diatas menunjukkan suatu sistem optional. dieksekusi jika value tidak
himpunan fuzzy untuk system navigasi mobile cocok dengan salah satu constanta
robot, dengan satu masukan (a) dan dua keluaran yang tersedia}
(b) dan (c).
Fuzzifikasi adalah proses pembuatan besaran fuzzy Secara umum, ada tiga bentuk umum untuk
dari besaran crisp yang dapat dilakukan secara setiap variabel linguistik, yaitu:
sederhana, yakni dengan menandai banyaknya a. Pernyataan penunjukan (assignment statement)
besaran yang dianggap crisp dan tertentu. x = kiri warna = biru
Sebenarnya, tidak semua besaran tertentu, tetapi x adalah tidak besar dan tidak kecil
ada besaran yang tidak tentu. Jika ketidaktentuan b. Pernyataan kondisional (conditional statement)
muncul karena ketidakpresisian, kerancuan, atau Keluaran Suhu = panas
ketidaksengajaan, maka kemungkinan besarannya Putaran motor = cepat
adalah fuzzy dan dapat dinyatakan oleh fungsi c. Perrnyataan bukan kondisional (Unconditional
keanggotaan. statement)
4 • INKOM, Vol. 9, No. 1, Mei 2015: 1-10
no reviews yet
Please Login to review.
